利用机器学习技术对伽马射线暴进行分类与归类以用于中微子探测
高能天体物理现象
2023-08-25 v1
摘要
尽管伽马射线暴（GRBs）是清晰且明确的观测事件，但每一个GRB都是独一无二的。事实上，GRBs以其多变行为而著称，BATSE已能从T90分布中发现两类GRB：短暴与长暴。这两类对应于预期的两种GRB前身星。如今，已发现更多特征可进一步区分它们，例如硬度比或超新星的存在。然而，这并不意味着对单个GRB进行分类是简单的。此外，更多GRB类别也被理论提出，如低光度或富X射线GRBs。这些不同类型的GRB也可能指示不同的中微子能谱，其中某些类型更可能发射更大量的中微子。我们报告一项正在进行的工作：使用机器学习对GRB进行分类与归类，寻找可能产生更大中微子流的子群体。我们特别使用无监督学习，因为它能揭示隐藏的模式与关联。借助T90、硬度、流强、SNR、谱指数乃至完整光变曲线与能谱等特征，可发现伽马射线暴的不同结构与类别。
引用
@article{arxiv.2308.12672,
title = {The classification and categorisation of Gamma-Ray Bursts with machine learning techniques for neutrino detection},
author = {Karlijn Kruiswijk and Gwenhaël de Wasseige},
journal= {arXiv preprint arXiv:2308.12672},
year = {2023}
}
备注
Presented at the 38th International Cosmic Ray Conference (ICRC2023)